Доминик Сарторио, Вице-президент по маркетингу продуктов в Denodo – Интервью

Доминик Сарторио является Вице-президентом по маркетингу продуктов в Denodo. Доминик имеет более 20 лет опыта в области управления данными и управления, занимая различные руководящие должности в Informatica, Protegrity и других ведущих поставщиках.

Denodo является глобальным лидером в управлении данными, обеспечивая создание доверенных агентов и приложений ИИ. Платформа Denodo, награжденная логической системой управления данными, преобразует корпоративные данные в надежные сведения для ИИ, аналитики и самообслуживания. Организации по всему миру используют Denodo для предоставления готовых к использованию в бизнесе и ИИ данных за долю времени по сравнению с традиционными хранилищами данных, достигая до 4-кратного ускорения времени получения информации, 345% ROI и 10-кратного улучшения производительности. На основе выводов из опроса 850 лидеров предприятий Отчет Denodo о пробеле доверия ИИ показывает, почему многие проекты ИИ испытывают трудности в переходе за пределы пилотных стадий и что организации должны делать, чтобы создать доверенные, готовые к производству ИИ.

Вы занимали руководящие должности в компаниях seperti Informatica, Protegrity, Infoworks и теперь Denodo, все они были сосредоточены на различных слоях инфраструктуры корпоративных данных. Как изменилось ваше представление о “доверенных данных” с развитием ИИ из аналитики в автономные и агентные системы?

Ранее в своей карьере доверенные данные были в основном связаны с точностью, происхождением, безопасностью и предоставлением аналитикам уверенности в панелях и отчетах. С агентными ИИ ставки намного выше, поскольку системы не только интерпретируют данные, но и могут действовать автономно, запускать бизнес-процессы или принимать решения с реальным влиянием. Это означает, что доверенные данные теперь должны включать оперативный контекст, последовательное деловое значение и ограничения, обеспечивающие уверенность в том, что агенты действуют правильно и безопасно.

Отчет Denodo о пробеле доверия ИИ показал, что 66% организаций считают, что данные ИИ должны быть реальными или почти реальными, чтобы быть доверенными. Почему, по вашему мнению, так много предприятий все еще испытывают трудности в предоставлении оперативных данных ИИ-системам?

Большинство предприятий не были сконструированы для агентов ИИ, которым нужен живой оперативный контекст во многих системах. Их данные распределены по приложениям, облакам, складам, хранилищам данных, наследственным системам и другим оперативным платформам. Они могут копировать эти данные в центральный склад или хранилище данных для аналитики и бизнес-интеллекта, но это не подходит для агентов ИИ, которым нужен живой оперативный контекст. Как только данные скопированы, они больше не являются живыми. Возможно передавать данные в реальном времени, но это становится очень дорогим очень быстро. Именно здесь логический подход к управлению данными Denodo становится важным, поскольку он обеспечивает ИИ-системам управляемый доступ к живым данным без необходимости для предприятий постоянно копировать и переплатформировать все.

Одним из наиболее поразительных выводов в отчете является то, что инициативы ИИ предприятий теперь используют hundreds источников данных, и некоторые организации получают доступ к более чем 1 000 источников. Как этот уровень фрагментации меняет способ, которым предприятия должны думать об архитектуре ИИ?

На этом уровне фрагментации архитектура не может полагаться на физическое консолидирование каждого источника перед использованием ИИ. Предприятиям нужен слой абстракции, который может обнаружить, интегрировать, управлять и предоставлять данные по распределенной реальности, которую они уже имеют. На мой взгляд, архитектура данных должна стать более логической, управляемой метаданными и семантической, чтобы агенты могли найти правильные данные в контексте без тесной связи с основными системами.

Отчет утверждает, что многие неудачи ИИ на самом деле являются “неудачами архитектуры данных”, а не неудачами моделей. Считаете ли вы, что отрасль слишком много времени уделяла моделированию, недооценивая важность инфраструктуры данных?

Да. Модели важны, конечно, но многие неудачные проекты ИИ не терпят неудач из-за того, что модель не способна; они терпят неудачу, потому что модель работает с неполными, устаревшими, несогласованными или плохо управляемыми данными. Модель работала хорошо в пилотном проекте, используя хорошо определенный и отобранный набор данных, но как только она была развернута в “реальном мире” со своей распределенной запутанностью, ИИ не смогла произвести доверенные результаты. Мой опыт показывает, что предприятия получают намного лучшие результаты ИИ, когда они рассматривают слой данных как первоклассную часть архитектуры ИИ, а не как после мысли.

Denodo часто говорит о семантической согласованности и важности универсального семантического слоя. Когда агенты ИИ начинают принимать решения автономно, насколько критически важна семантическая согласованность для предотвращения неправильных действий или воображаемой бизнес-логики?

Семантическая согласованность становится абсолютно критической. Если одна система определяет “клиента”, “доход”, “риск” или “отказ” по-другому, чем другая, агент ИИ может произвести технически правдоподобный ответ, который все равно неправильен для данного делового контекста. Универсальный семантический слой помогает обеспечить, чтобы агенты действовали с согласованным деловым значением, а не только с сырым доступом к данным.

Ваша сессия на AI & Big Data Expo была сосредоточена на переходе от пилотных проектов ИИ к производству. Каковы, по вашему мнению, самые большие причины, по которым предприятия застревают в “пилотной фазе” и не могут масштабировать ИИ в реальные оперативные системы?

Пилотные проекты часто работают, потому что они узкие, вручную отобранные и изолированные от полной сложности предприятия. Производственный ИИ должен иметь дело с живыми данными из многих источников, безопасностью, управлением, производительностью, аудитабельностью, меняющимися бизнес-правилами и интеграцией в реальные рабочие процессы. Многие организации застревают, потому что они строят впечатляющую демонстрацию, но не управляемый фундамент данных, необходимый для надежной работы ИИ в масштабе.

Отчет цитирует прогнозы, что значительная доля агентных проектов ИИ может быть отменена в течение следующих нескольких лет из-за растущих затрат, неясной ценности или недостаточных контролей риска. Считаете ли вы, что отрасль входит в фазу, когда предприятия станут намного более избирательными в отношении того, какие проекты ИИ выживут?

Да, и я думаю, что это здорово. Первая волна экспериментов с ИИ была связана с возможностями; следующая волна будет связана с оперативной ценностью, дисциплиной затрат и доверием. Проекты, которые выживут, будут теми, которые связаны с измеримыми бизнес-результатами и поддерживаются правильными данными, управлением и архитектурой.

Безопасность и управление появляются на протяжении всего отчета как повторяющиеся темы, особенно вокруг “ограничений” для агентного ИИ. Как организации должны сбалансировать автономные возможности ИИ с необходимостью строгого контроля доступа и аудитабельности?

Ключом является не рассматривать управление как что-то, прикрепленное после того, как система ИИ построена. Контроль доступа, принудительное соблюдение политики, происхождение и аудитабельность должны быть встроены в сам слой доступа к данным, чтобы агенты ИИ видели и использовали только те данные, к которым они уполномочены. С Denodo одни и те же политики управления могут быть применены последовательно к распределенным источникам, что является важным, когда ИИ работает в гибридных и многооблачных средах.

Denodo позиционирует логическое управление данными как способ унифицировать доступ к данным в гибридных и многооблачных средах без постоянного перемещения данных. Когда предприятия все чаще принимают архитектуры ИИ, основанные на извлечении, видите ли вы “безкопирование” или логически-ориентированные архитектуры как долгосрочное направление для предприятий ИИ?

Да. Архитектуры ИИ, основанные на извлечении, полагаются на получение правильных данных в правильное время, а не на перемещение каждого набора данных в один репозиторий заранее. Логически-ориентированный, безкопировальный подход намного лучше соответствует тому, как предприятия фактически работают: данные остаются распределенными, но ИИ может получить к ним доступ через управляемый, семантический, реальный слой. Это направление, в котором, по моему мнению, должно двигаться предприятие ИИ.

Оглядываясь вперед на следующие три-пять лет, что, по вашему мнению, будет отличать организации, которые успешно внедряют доверенный ИИ, от тех, которые остаются в экспериментальном режиме?

Победители будут теми организациями, которые признают, что ИИ не только стратегия модели; это стратегия данных, стратегия управления и оперативная модель стратегии. Они будут инвестировать в живой доступ к данным, семантическую согласованность, повторно используемое управление и архитектуры, которые могут охватить все предприятие. Те, кто продолжает строить изолированные пилотные проекты на фрагментированных или устаревших данных, будут испытывать трудности в переходе за пределы экспериментирования.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, можно посетить Denodo или скачать отчет Denodo о пробеле доверия ИИ Отчет Denodo о пробеле доверия ИИ